Použití neuronové sítě pro výpočet nezáporné faktorizace
Usage of neural network for non-negative factorization
dc.contributor.advisor | Šimeček Ivan | |
dc.contributor.author | Tomáš Gregor | |
dc.date.accessioned | 2023-06-15T22:51:36Z | |
dc.date.available | 2023-06-15T22:51:36Z | |
dc.date.issued | 2023-06-15 | |
dc.identifier | KOS-1065790467105 | |
dc.identifier.uri | http://hdl.handle.net/10467/109370 | |
dc.description.abstract | Nezáporná faktorizace matic je metoda maticové faktorizace, která data reprezentuje v prostoru nižšího řádu. Tato reprezentace může být využita při kompresi obrázků. Algoritmy pro výpočet tohoto rozkladu potřebují nějaké prvotní nastavení, tato práce se zabývá problémem hledání tohoto prvotního nastavení, které vyústí v co nejlepší možnou kvalitu komprimovaného obrázku. Navrhli jsme neurální model NMFNet, který takové prvnotní nastavení najde a tento model jsme porovnali s technikami běžně používanými v praxi. Pro toto porovnání byly zvoleny 3 techniky: náhodná inicializace, NNDSVD inicializace a K-means shlukování. Bylo ukázáno, že náš model má dobré výsledky ve srovnání s těmito technikami. | cze |
dc.description.abstract | Nonnegative matrix factorization is a method of matrix factorization, that can approximate data by a low-rank representation. This representation can be exploited for reducing the size of an image file while keeping most of the visual quality. An initialization of the decomposition algorithm is needed to produce the low-rank approximation. In this work, we propose the NMFNet neural model to accomplish the task of this initialization. The model is then compared to other initialization techniques used in practice. Random initialization, NNDSVD initialization and K-means clustering were chosen for this comparison. Our model was shown to compare favorably to these methods. | eng |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.rights | A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html | eng |
dc.rights | Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html | cze |
dc.subject | Komprese obrázků | cze |
dc.subject | Nezáporná faktorizace matic | cze |
dc.subject | Inicializace nezáporné faktorizace matic | cze |
dc.subject | Strojové učení | cze |
dc.subject | Umělá neuronová síť | cze |
dc.subject | Autoencoder | cze |
dc.subject | Image compression | eng |
dc.subject | Nonnegative matrix factorization | eng |
dc.subject | Nonnegative matrix factorization initialization | eng |
dc.subject | Machine learning | eng |
dc.subject | Artificial neural network | eng |
dc.subject | Autoencoder | eng |
dc.title | Použití neuronové sítě pro výpočet nezáporné faktorizace | cze |
dc.title | Usage of neural network for non-negative factorization | eng |
dc.type | bakalářská práce | cze |
dc.type | bachelor thesis | eng |
dc.contributor.referee | Vašata Daniel | |
theses.degree.discipline | Znalostní inženýrství | cze |
theses.degree.grantor | katedra aplikované matematiky | cze |
theses.degree.programme | Informatika 2009 | cze |
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
-
Bakalářské práce - 18105 [292]